Zonas Metropolitanas 2010

Migración reciente 2005 - 2010

Cuestionario Ampliado del Censo de Población y Vivienda 2010

El cuestionario ampliado se guarda en un un archivo _Base2020.RData.

data <- read_sav("~/Población 2010/Cuestionario Ampliado_2010_Persona.sav")

save(data, 
      file = paste0(here::here(),"/Bases/Censo_Personas_2010.RData"))

Se seleccionan las variables que se desean conservar para la realización de este documento y se guarda en un archivo _Base2020.RData para practicidad del manejo de datos.

Posibles variables que se pueden contemplar en la migración reciente

• EDAD
• SEXO
• AFRODES
• HLENGUA 
• QDIALECT_C
• PERETN 
• NIVACAD
• ALFABET
• ESTCON 
• CONACT 
• HIJOS_NAC_VIVOS

load(paste0(here::here(),"/Bases/Censo_Personas_2010.RData"))

mydata <- data %>%
           select(ENT, NOM_ENT, MUN, NOM_MUN, ENT_MUN, 
                  LNACEDO_C, LNACPAIS_C,
                  RES05EDO_C, RES05PAI_C, MUN05OTR_C,
                  LTRABPAI_C, LTRABMUN_C, ENT_MUN_TRABAJO,
                  EDAD, SEXO, HLENGUA, QDIALECT_C, LI_INALI, PERETN, NIVACAD, ALFABET, 
                  ESTCON, CONACT,  OCUACTIV_C, HORTRA, INGTRMEN, SITTRA, FACTOR, ESTRATO, UPM) %>%
            rename("CVE_ENT" = "ENT",
                   "CVE_MUN" = "ENT_MUN",
                   "MUN_TRAB" = "LTRABMUN_C",
                   "CVE_MUN_TRABAJO" = "ENT_MUN_TRABAJO") %>%
             mutate(CVE_ENT = str_pad(.$CVE_ENT, width = 3, side = c("left"), pad = "0"),
                    CVE_MUN = str_pad(.$CVE_MUN, width = 6, side = c("left"), pad = "0")) %>%
              mutate(CVE_MUN_RES = paste0(.$RES05EDO_C, MUN05OTR_C))

Zonas Metropolitanas 2020

Se anexa la base de datos de las Zonas Metropolitanas 2020 a la base orginal

ZM_2020 <- read.xlsx(paste0(here::here(), "/Bases/Municipio/ZM_2020.xlsx"), 
                      startRow = 7, 
                       skipEmptyRows = TRUE) %>%
            select(CVE_ZM, NOM_ZM, CVE_ENT, NOM_ENT, CVE_MUN, NOM_MUN, MC, CF) %>%
             mutate(CVE_ENT = stringr::str_pad(.$CVE_ENT, width = 3, side = c("left"), pad = "0"),
                    CVE_MUN = stringr::str_pad(.$CVE_MUN, width = 6, side = c("left"), pad = "0"))

Se asignan las claves de las zonas metropolitanas de acuerdo a las diferentes variables de interes:

• Residencia hace 5 años

• Laboral

mydata <- mydata %>%
           # Zonas Metropolitanas por residenicia
           left_join(., ZM_2020 %>% select(-c(CVE_ENT, NOM_ENT, NOM_MUN)), by = c("CVE_MUN")) %>%
            # Zonas Metropolitanas en el lugar de residencia hace 5 años
            left_join(., ZM_2020 %>% select(-c(CVE_ENT, NOM_ENT, NOM_MUN)) %>% 
                           rename("CVE_ZM_RES" = "CVE_ZM",
                                  "ZM_RES" = "NOM_ZM"), by = c("CVE_MUN_RES" = "CVE_MUN")) %>%
             # Zonas Metropolitanas en el lugar de trabajo
             left_join(., ZM_2020 %>% select(-c(CVE_ENT, NOM_ENT, NOM_MUN)) %>% 
                           rename("CVE_ZM_TRABAJO" = "CVE_ZM",
                                  "ZM_TRABAJO" = "NOM_ZM"), by = c("CVE_MUN_TRABAJO" = "CVE_MUN")) 

save(mydata, file = paste0(here::here(), "/Bases/06_Migracion por Zonas Metropolitanas_2010_Base2020.RData"))          

✔️A partir de aquí se pueden correr los códidos 👇.
Se carga el archivo Migracion por Zonas Metropolitanas_2010_Base2020.RData.

load(file = paste0(here::here(), "/Bases/06_Migracion por Zonas Metropolitanas_2010_Base2020.RData"))  

# Para fines prácticos se genera un ponderador de uno 
mydata <- mydata %>%
           select(CVE_ENT, NOM_ENT, CVE_MUN, NOM_MUN, RES05EDO_C, CVE_MUN_RES, 
                  CVE_ZM, NOM_ZM, CVE_ZM_RES, ZM_RES,
                  EDAD, FACTOR, ESTRATO, UPM) %>%
            mutate(M = 1)

# Se vuelve a cargar la base de datos para fines practicos
ZM_2020 <- read.xlsx(paste0(here::here(), "/Bases/Municipio/ZM_2020.xlsx"), 
                      startRow = 7, 
                       skipEmptyRows = TRUE) %>%
            select(CVE_ZM, NOM_ZM, CVE_ENT, NOM_ENT, CVE_MUN, NOM_MUN, MC, CF) %>%
             mutate(CVE_ENT = stringr::str_pad(.$CVE_ENT, width = 3, side = c("left"), pad = "0"),
                    CVE_MUN = stringr::str_pad(.$CVE_MUN, width = 6, side = c("left"), pad = "0"))

Entidades y Municipios

Se genera un vector con el nombre de las entidades llamado estados para facilitar los filtros en el documento.
Se genera un vector con las abreviaturas de las entidades llamado ent para fines prácticos.
Se genera un vector con las claves de los municipios.

# Claves de los estados
estados <- sjlabelled::get_labels(mydata$CVE_ENT)

nom_estados <- c( "Aguascalientes", "Baja California" ,"Baja California Sur", "Campeche", "Coahuila de Zaragoza", "Colima", 
                  "Chiapas", "Chihuahua", "Ciudad de México", "Durango", "Guanajuato", "Guerrero", "Hidalgo", "Jalisco",        
                  "México", "Michoacán de Ocampo", "Morelos", "Nayarit", "Nuevo León", "Oaxaca", "Puebla", "Querétaro", 
                  "Quintana Roo", "San Luis Potosí", "Sinaloa", "Sonora", "Tabasco", "Tamaulipas", "Tlaxcala", 
                  "Veracruz de Ignacio de la Llave", "Yucatán", "Zacatecas")

est <- c("AGS", "BC", "BCS", "CAMP", "COAH", "COL", "CHIS", "CHIH", "CDMX", "DGO", "GTO", "GRO", "HGO",
         "JAL", "MEX", "MICH", "MOR", "NAY", "NL", "OAX", "PUE", "QRO", "QROO", "SLP","SIN","SON", "TAB", 
         "TAMS", "TLX", "VER", "YUC", "ZAC")

# Claves de los municipios
MUN <- readRDS(paste0(here::here(), "/Bases/municipios_2010.RDS"))
nom_municipios <- sjlabelled::get_labels(MUN$NOM_MUN) %>% as.factor()
municipios <- sjlabelled::get_labels(MUN$CVE_MUN) %>% as.factor()
#saveRDS(MUN, file = paste0(here::here(), "/Bases/municipios_2010_Base2020.RDS"))

# Claves de las zonas metropolitanas
zm <- sjlabelled::get_labels(mydata$CVE_ZM)[-2]
nom_zm <- sjlabelled::get_labels(mydata$NOM_ZM)[-2]

Migración reciente

Migración interna

Matrices

Se utiliza la paquetería survey para poder trabajar con la muestra del cuestionario ampliado, en la cual se selecciona a la población de 5 años y más.

options(survey.lonely.psu = "adjust")

MC <- mydata %>%
       select(CVE_ENT, CVE_MUN, RES05EDO_C, CVE_MUN_RES, CVE_ZM, CVE_ZM_RES, M, EDAD, FACTOR, ESTRATO, UPM) %>%
        # Se genera una indicadora de zm 
        mutate(I_ZM_2020 = ifelse(is.na(.$CVE_ZM), '0', '1'),
               I_RES5A_ZM_2020 = ifelse(is.na(.$CVE_ZM_RES), '0', '1')) %>%
        # Se clasifican a los migrantes internos 
        mutate(I_ZM = case_when(.$CVE_MUN == .$CVE_MUN_RES ~ 'Pertenecen a la Zona Metropolitana', #Residentes
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM == .$CVE_ZM_RES ~ "Pertenecen a la Zona Metropolitana", #Migrantes que residen en la misma zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM != .$CVE_ZM_RES ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residen en otra zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian fuera de la zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '1' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian dentro de una zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana' #Migrantes que no residen en la zona metropolitana
                                )) %>%
         filter(EDAD >= 5 & EDAD <= 130) %>%
          filter(CVE_MUN_RES %in% municipios) %>%
           svydesign(data = ., id = ~ UPM, strata = ~ESTRATO, weight = ~FACTOR, nest = T)

saveRDS(MC, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/MC_municipal_Base2020.RDS"))

MC <- readRDS(file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/MC_municipal_Base2020.RDS"))

Migrantes <- svytable(~CVE_MUN_RES + CVE_MUN, design = MC) 

Se genera la matriz cuadrada y se le asignan los nombres de los estados.

Migrantes <- Migrantes %>%
              as.data.frame() %>%
               expss::cross_cases(CVE_MUN, CVE_MUN_RES, weight = Freq) %>%
                as.data.frame() %>%
                 rename("CVE_MUN" = "row_labels") %>% 
                  arrange(CVE_MUN) %>%
                   slice(-1) 

rownames <- Migrantes %>% 
             mutate(CVE_MUN = substr(.$CVE_MUN, 9, 16)) %>% 
              pull(CVE_MUN)

colnames <- names(Migrantes) %>% 
             as.data.frame() %>% 
              slice(-1) %>% 
               rename("CVE_MUN" = ".") %>%
                mutate(`CVE_MUN` = substr(.$CVE_MUN, 13, 20)) %>%
                 pull(CVE_MUN)

# Se elimina la variable CVE_MUN
Migrantes <- Migrantes %>%
              select(-CVE_MUN)

rownames(Migrantes) <- rownames
colnames(Migrantes) <- colnames

saveRDS(Migrantes, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel municipal_Base2020.RDS"))
save(Migrantes, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel municipal_Base2020.RData"))

require(openxlsx)
wb <- createWorkbook()
addWorksheet(wb, "M.Reciente")
writeData(wb, 1, Migrantes %>% as.data.frame() %>% tibble::rownames_to_column(var = "CVE_MUN"), colNames = TRUE)
saveWorkbook(wb, file = paste0(here::here(), "/Bases/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel municipal_Base2020.xlsx"), overwrite = TRUE)

Matriz de migración reciente hace 5 años a nivel municipal, 2005 - 2010

Matriz de migración reciente 2005 - 2010
Nivel municipal
CVE_MUN	001001	001002	001003	001004	001005	001006	001007	001008	001009	001010	001011	002001	002002	002003	002004	002005	003001	003002	003003	003008	003009	004001	004002	004003	004004	004005	004006	004007	004008
001001	665374	597	552	0	762	121	124	17	98	17	269	104	235	182	359	0	0	0	0	70	0	0	0	0	0	0	0	0	0
001002	168	38598	0	0	0	12	0	0	0	15	9	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001003	76	0	44589	14	16	0	22	0	0	11	0	0	0	0	11	0	0	0	0	0	0	0	0	11	0	0	0	0	0
001004	50	0	0	12248	0	0	19	0	0	4	12	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001005	1875	22	0	0	77233	140	36	22	16	0	389	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001006	145	36	0	6	140	33542	96	38	20	18	234	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001007	36	45	18	54	45	75	40417	0	0	0	18	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001008	52	8	8	2	10	20	14	5934	0	0	2	0	0	0	6	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001009	90	10	0	25	0	53	258	10	16525	5	0	13	0	0	52	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001010	78	33	0	0	4	0	0	5	0	15235	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001011	2577	64	48	0	787	1068	204	22	80	0	24496	0	100	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
002001	67	0	0	0	0	0	0	0	0	0	0	367600	3703	142	3105	641	97	403	1370	47	0	0	0	0	57	0	0	0	0
002002	903	0	0	0	0	0	0	0	0	0	0	1889	798622	761	2416	536	48	189	72	25	0	0	0	0	0	0	0	0	0
002003	50	0	0	0	0	0	11	0	0	0	0	222	654	74714	1642	64	0	45	27	6	0	0	0	0	0	0	0	0	0
002004	812	0	0	0	12	147	0	0	0	0	0	1905	2442	472	1248126	1414	0	0	956	100	0	0	0	0	0	0	0	0	0
002005	78	0	0	0	0	0	0	0	0	0	0	276	434	35	3920	66316	0	0	36	10	0	0	0	26	0	0	0	0	0
003001	48	0	0	0	0	0	0	0	0	0	0	163	70	0	282	34	57665	310	1220	736	66	0	0	0	0	0	0	0	0
003002	233	0	0	0	0	0	0	0	0	0	0	990	35	15	260	45	56	43931	408	50	71	0	0	0	0	0	0	0	0
003003	0	0	0	0	0	0	0	0	0	0	0	603	449	0	854	0	2344	1108	204067	2520	391	0	0	0	0	0	0	0	0
003008	24	0	0	0	0	0	0	0	0	0	0	287	239	4	1374	56	260	13	1861	151222	180	0	0	0	0	0	0	0	0
003009	14	0	0	0	0	0	0	0	0	0	0	105	35	0	100	7	392	287	205	175	12240	0	0	0	0	0	0	0	0
004001	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	45660	0	11	11	33	11	11	0
004002	0	0	0	0	0	0	0	0	0	0	0	0	7	0	34	0	0	0	0	0	0	139	226429	277	285	146	94	13	6
004003	0	0	0	0	0	0	0	0	0	0	0	166	0	0	34	0	0	0	16	0	0	0	162	179398	66	0	0	226	0
004004	33	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	85	0	1024	67194	72	33	33	36
004005	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	38	10	30	25	23321	0	10	15
004006	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	26	14	14	42	21	32956	14	0
004007	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	0	0	0	3	0	24	3	0	0	8250	0
004008	0	0	0	0	0	0	0	0	0	0	0	0	0	0	4	0	0	0	0	0	0	15	38	14	9	37	9	10	8275
004009	0	0	0	0	0	0	0	0	0	0	0	0	0	0	11	0	0	0	0	0	0	22	11	462	240	110	11	0	0
Fuente: Estimaciones del CONAPO.

Indicadores

Se realizan cálculos generales de migración:

• Residentes

• Inmigrantes

• Emigrantes

• % Inmigrantes

• % Emigrante

• Migración bruta

• Migración Neta

• % Tasa de migración bruta

• % Tasa de migración neta

Se trabaja con la matriz cuadrada, la cual de esta manera no se satura la computadora.

################################################################################
############################ Población total ###################################
Pob.Total <- mydata %>%
              as.data.frame() %>%
               group_by(CVE_MUN) %>%
                summarise(Pob.Total = sum(FACTOR)) 

################################################################################
###################### Población de 5 años y más ###############################
Pob.5ymas <- mydata %>%
              as.data.frame() %>%
               mutate(EDAD = as.numeric(.$EDAD)) %>%
                subset(EDAD >= 5 & EDAD <=130) %>%
                 group_by(CVE_MUN) %>%
                  summarise(Pob.5ymas = sum(FACTOR)) 

################################################################################
########################### Residentes #########################################
load(file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel municipal_Base2020.RData"))

Residentes <- Migrantes %>%
               rownames_to_column() %>%
                gather(CVE_MUN, Value, -rowname)%>%
                 filter(rowname == CVE_MUN) %>%
                  select(-rowname) %>%
                   droplevels() %>%
                    rename("Residentes" = "Value") 

################################################################################
############################### Inmigrantes ####################################
Inmigrantes <- Migrantes %>% 
                as.data.frame() %>%
                 tibble::rownames_to_column(var = "CVE_MUN") %>%
                  melt(., id.vars = "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                   mutate_at(vars(3), as.numeric) %>%
                    as_tibble() %>%
                     filter(CVE_MUN != CVE_MUN_RES) %>%
                      group_by(CVE_MUN) %>%
                       summarise(Inmigrantes = sum(value, na.rm = TRUE))

################################################################################
############################### Emigrantes #####################################
Emigrantes <- Migrantes %>% 
               as.data.frame() %>%
                tibble::rownames_to_column(var = "CVE_MUN") %>%
                 melt(., id.vars = "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                  mutate_at(vars(3), as.numeric) %>%
                   as_tibble() %>%
                    filter(CVE_MUN != CVE_MUN_RES) %>%
                     group_by(CVE_MUN_RES) %>%
                      summarise(Emigrantes = sum(value, na.rm = TRUE)) %>%
                       rename("CVE_MUN" = "CVE_MUN_RES") 

tabla <- Pob.Total %>%
          left_join(., Pob.5ymas, by = c("CVE_MUN")) %>%
          left_join(., Residentes, by = c("CVE_MUN")) %>%
          left_join(., Inmigrantes, by = c("CVE_MUN")) %>%
          left_join(., Emigrantes, by = c("CVE_MUN")) %>%
           mutate(Mig.Neta = .$Inmigrantes - .$Emigrantes,
                  Mig.Bruta = .$Inmigrantes + .$Emigrantes, 
                  Tasa.Inmig = ((.$Inmigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Emig = ((.$Emigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Mig = Tasa.Inmig - Tasa.Emig, 
                  Eficacia = Mig.Neta - Mig.Bruta)

write.xlsx(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010_Base2020.xlsx"), overwrite = TRUE)
save(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010_Base2020.RData"))

Indicadores de migración reciente a nivel municipal
Zonas Metropolitanas
CVE_MUN	Pob.Total	Pob.5ymas	Residentes	Inmigrantes	Emigrantes	Mig.Neta	Mig.Bruta	Tasa.Inmig	Tasa.Emig	Tasa.Mig	Eficacia
001001	793 997	718 680	665 374	39 438	26 908	12 530	66 346	10.4	7.1	3.3	−53 816
001002	45 951	40 347	38 598	721	1 381	−660	2 102	3.3	6.4	−3.1	−2 762
001003	53 142	47 809	44 589	884	1 454	−570	2 338	3.5	5.8	−2.3	−2 908
001004	14 302	12 759	12 248	203	266	−63	469	3.0	3.9	−0.9	−532
001005	100 150	87 268	77 233	6 005	2 733	3 272	8 738	12.8	5.8	7.0	−5 466
001006	40 480	35 933	33 542	1 681	1 868	−187	3 549	8.8	9.8	−1.0	−3 736
001007	48 462	42 246	40 417	575	1 269	−694	1 844	2.5	5.6	−3.1	−2 538
001008	7 164	6 374	5 934	182	133	49	315	5.4	3.9	1.4	−266
001009	20 048	17 674	16 525	700	263	437	963	7.4	2.8	4.6	−526
001010	18 282	16 022	15 235	313	812	−499	1 125	3.6	9.5	−5.8	−1 624
001011	36 822	31 901	24 496	6 348	1 208	5 140	7 556	36.9	7.0	29.9	−2 416
002001	460 793	419 052	367 600	37 646	20 037	17 609	57 683	17.1	9.1	8.0	−40 074
002002	932 001	852 568	798 622	34 217	29 286	4 931	63 503	7.7	6.6	1.1	−58 572
002003	95 638	86 305	74 714	7 838	4 977	2 861	12 815	17.2	10.9	6.3	−9 954
002004	1 543 644	1 391 497	1 248 126	90 073	90 788	−715	180 861	12.3	12.4	−0.1	−181 576
002005	91 309	82 225	66 316	10 427	5 647	4 780	16 074	24.0	13.0	11.0	−11 294
003001	70 358	63 992	57 665	5 234	3 685	1 549	8 919	15.6	11.0	4.6	−7 370
003002	58 624	52 519	43 931	7 587	3 771	3 816	11 358	27.3	13.6	13.7	−7 542
003003	249 303	229 448	204 067	23 278	12 977	10 301	36 255	19.4	10.8	8.6	−25 954
003008	238 498	213 476	151 222	51 192	13 125	38 067	64 317	45.3	11.6	33.7	−26 250
Fuente: Estimaciones del CONAPO.

Se genera la matriz cuadrada y se le asignan los nombres de los estados.

Migración intramunicipal

Matrices

Se utiliza la paquetería survey para poder trabajar con la muestra del cuestionario ampliado, en la cual se selecciona a la población de 5 años y más.

options(survey.lonely.psu = "adjust")

MC <- mydata %>%
       select(CVE_ENT, CVE_MUN, RES05EDO_C, CVE_MUN_RES, CVE_ZM, CVE_ZM_RES, M, EDAD, FACTOR, ESTRATO, UPM) %>%
        # Se genera una indicadora de zm 
        mutate(I_ZM_2020 = ifelse(is.na(.$CVE_ZM), '0', '1'),
               I_RES5A_ZM_2020 = ifelse(is.na(.$CVE_ZM_RES), '0', '1')) %>%
        # Se clasifican a los migrantes internos 
        mutate(I_ZM = case_when(.$CVE_MUN == .$CVE_MUN_RES ~ 'Pertenecen a la Zona Metropolitana', #Residentes
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM == .$CVE_ZM_RES ~ "Pertenecen a la Zona Metropolitana", #Migrantes que residen en la misma zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM != .$CVE_ZM_RES ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residen en otra zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian fuera de la zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '1' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian dentro de una zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana' #Migrantes que no residen en la zona metropolitana
                                )) %>%
         filter(EDAD >= 5 & EDAD <= 130) %>%
          filter(CVE_MUN_RES %in% municipios & .$I_ZM %in% "Pertenecen a la Zona Metropolitana") %>%
           svydesign(data = ., id = ~ UPM, strata = ~ESTRATO, weight = ~FACTOR, nest = T)

saveRDS(MC, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/MC_intramunicipal_Base2020.RDS"))

Se genera una matriz cruzada del lugar de residencia hace 5 años a nivel municipal, utilizando la función svytable de la paquetería survey.

MC <- readRDS(file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/MC_intramunicipal_Base2020.RDS"))

Migrantes <- svytable(~CVE_MUN_RES + CVE_MUN, design = MC)

Se genera la matriz cuadrada y se le asignan las etiquetas de municipios.

Migrantes <- Migrantes %>%
              as.data.frame() %>%
               expss::cross_cases(CVE_MUN, CVE_MUN_RES, weight = Freq) %>%
                as.data.frame() %>%
                 rename("CVE_MUN" = "row_labels") %>% 
                  arrange(CVE_MUN) %>%
                   slice(-1) 
            
rownames <- Migrantes %>% 
             mutate(CVE_MUN = substr(.$CVE_MUN, 9, 16)) %>% 
              pull(CVE_MUN)

colnames <- names(Migrantes) %>% 
             as.data.frame() %>% 
              slice(-1) %>% 
               rename("CVE_MUN" = ".") %>%
                mutate(`CVE_MUN` = substr(.$CVE_MUN, 13, 20)) %>%
                 pull(CVE_MUN)

# Se elimina la variable CVE_MUN
Migrantes <- Migrantes %>%
              select(-CVE_MUN)

rownames(Migrantes) <- rownames
colnames(Migrantes) <- colnames

saveRDS(Migrantes, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel intramunicipal 2010_Base2020.RDS"))
save(Migrantes, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel intramunicipal 2010_Base2020.RData"))

require(openxlsx)
wb <- createWorkbook()
addWorksheet(wb, "M.Intramunicipal")
writeData(wb, 1, Migrantes %>% as.data.frame() %>% tibble::rownames_to_column(var = "CVE_MUN"), colNames = TRUE)
saveWorkbook(wb, file = paste0(here::here(), "/Bases/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel intramunicipal 2010_Base2020.xlsx"), overwrite = TRUE)

Matriz de migración reciente hace 5 años a nivel municipal, 2005 - 2010

Matriz de migración reciente por zonas metropolitanas
Nivel intramunicipal
CVE_MUN	001001	001002	001003	001004	001005	001006	001007	001008	001009	001010	001011	002001	002002	002003	002004	002005	003001	003002	003003	003008	003009	004001	004002	004003	004004	004005	004006	004007	004008
001001	665374	0	0	0	762	0	0	0	0	0	269	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001002	0	38598	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001003	0	0	44589	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001004	0	0	0	12248	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001005	1875	0	0	0	77233	0	0	0	0	0	389	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001006	0	0	0	0	0	33542	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001007	0	0	0	0	0	0	40417	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001008	0	0	0	0	0	0	0	5934	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001009	0	0	0	0	0	0	0	0	16525	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001010	0	0	0	0	0	0	0	0	0	15235	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001011	2577	0	0	0	787	0	0	0	0	0	24496	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
002001	0	0	0	0	0	0	0	0	0	0	0	367600	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
002002	0	0	0	0	0	0	0	0	0	0	0	0	8e+05	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
002003	0	0	0	0	0	0	0	0	0	0	0	0	0	74714	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
002004	0	0	0	0	0	0	0	0	0	0	0	0	0	0	1248126	1414	0	0	0	0	0	0	0	0	0	0	0	0	0
002005	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3920	66316	0	0	0	0	0	0	0	0	0	0	0	0	0
003001	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	57665	0	0	0	0	0	0	0	0	0	0	0	0
003002	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	43931	0	0	0	0	0	0	0	0	0	0	0
003003	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	2e+05	0	0	0	0	0	0	0	0	0	0
003008	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	151222	0	0	0	0	0	0	0	0	0
003009	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	12240	0	0	0	0	0	0	0	0
004001	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	45660	0	0	0	0	0	0	0
004002	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	226429	0	0	0	0	0	0
004003	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	179398	0	0	0	0	0
004004	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	67194	0	0	0	0
004005	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	23321	0	0	0
004006	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	32956	0	0
004007	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	8250	0
004008	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	8275
004009	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
Fuente: Estimaciones del CONAPO.

Matrices por zonas metropolitanas

MR <- NULL
for(i in 1:length(zm)){
tabla <- ZM_2020 %>%
          filter(CVE_MUN %in% municipios) %>%
           select(CVE_ZM, CVE_MUN) %>%
            filter(CVE_ZM %in% zm[i]) %>%
             pull(CVE_MUN)

MR[[paste0(zm[i])]] <- Migrantes %>%
                        as.data.frame() %>%
                         tibble::rownames_to_column(var = "CVE_MUN") %>%
                          mutate_if(is.numeric, as.numeric) %>%
                           select(CVE_MUN, all_of(tabla)) %>%
                            filter(CVE_MUN %in% tabla)
}

# Se guardan en un objeto de R 
saveRDS(MR, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matrices de MR5a a nivel intramunicipal por ZM2010_Base2020.RDS"))

# Se genera un Excel con todas las matrices por ZM
wb <- createWorkbook()
for(i in 1:length(zm)){
addWorksheet(wb, paste0(zm[i]))
writeData(wb, i, MR[[paste0(zm[i])]] %>% as.data.frame())
saveWorkbook(wb, 
              file = paste0(here::here(), "/Bases/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matrices de MR5a a nivel intramunicipal por ZM2010_Base2020.xlsx"), 
               overwrite = TRUE)
}

Matriz de migración reciente hace 5 años en la Zona Metropolitana de Cuernavaca, 2005 - 2010

Matriz de migración reciente a nivel intramunicipal
Zona Metropolitana de Cuernavaca
CVE_MUN	017002	017004	017006	017030
017002	13258	30	386	30
017004	0	62756	1327	155
017006	13	277	144887	1175
017030	162	62	1326	37236
Fuente: Estimaciones del CONAPO.

Indicadores

Se realizan cálculos generales de migración:

• Residentes

• Inmigrantes

• Emigrantes

• % Inmigrantes

• % Emigrante

• Migración bruta

• Migración Neta

• % Tasa de migración bruta

• % Tasa de migración neta

Se trabaja con la matriz cuadrada, la cual de esta manera no se satura la computadora.

################################################################################
############################ Población total ###################################
Pob.Total <- mydata %>%
              as.data.frame() %>%
               group_by(CVE_MUN) %>%
                summarise(Pob.Total = sum(FACTOR)) 

################################################################################
###################### Población de 5 años y más ###############################
Pob.5ymas <- mydata %>%
              as.data.frame() %>%
               mutate(EDAD = as.numeric(.$EDAD)) %>%
                subset(EDAD >= 5 & EDAD <=130) %>%
                 group_by(CVE_MUN) %>%
                  summarise(Pob.5ymas = sum(FACTOR)) 

################################################################################
########################### Residentes #########################################
load(file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel intramunicipal 2010_Base2020.RData"))

Residentes <- Migrantes %>%
               rownames_to_column() %>%
                gather(CVE_MUN, Value, -rowname)%>%
                 filter(rowname == CVE_MUN) %>%
                  select(-rowname) %>%
                   droplevels() %>%
                    rename("Residentes" = "Value") 

################################################################################
############################### Inmigrantes ####################################
Inmigrantes <- Migrantes %>% 
                as.data.frame() %>%
                 tibble::rownames_to_column(var = "CVE_MUN") %>%
                  melt(., id.vars = "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                   mutate_at(vars(3), as.numeric) %>%
                    as_tibble() %>%
                     filter(CVE_MUN != CVE_MUN_RES) %>%
                      group_by(CVE_MUN) %>%
                       summarise(Inmigrantes = sum(value, na.rm = TRUE))

################################################################################
############################### Emigrantes #####################################
Emigrantes <- Migrantes %>% 
               as.data.frame() %>%
                tibble::rownames_to_column(var = "CVE_MUN") %>%
                 melt(., id.vars = "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                  mutate_at(vars(3), as.numeric) %>%
                   as_tibble() %>%
                    filter(CVE_MUN != CVE_MUN_RES) %>%
                     group_by(CVE_MUN_RES) %>%
                      summarise(Emigrantes = sum(value, na.rm = TRUE)) %>%
                       rename("CVE_MUN" = "CVE_MUN_RES") 

tabla <- Pob.Total %>%
          left_join(., Pob.5ymas, by = c("CVE_MUN")) %>%
          left_join(., Residentes, by = c("CVE_MUN")) %>%
          left_join(., Inmigrantes, by = c("CVE_MUN")) %>%
          left_join(., Emigrantes, by = c("CVE_MUN")) %>%
           mutate(Mig.Neta = .$Inmigrantes - .$Emigrantes,
                  Mig.Bruta = .$Inmigrantes + .$Emigrantes, 
                  Tasa.Inmig = ((.$Inmigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Emig = ((.$Emigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Mig = Tasa.Inmig - Tasa.Emig, 
                  Eficacia = Mig.Neta - Mig.Bruta)

write.xlsx(tabla, 
            file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010 (Intramunicipal)_Base2020.xlsx"), 
             overwrite = TRUE)

save(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010 (Intramunicipal)_Base2020.RData"))

Indicadores de migración reciente a nivel intramunicipal
Zonas Metropolitanas
CVE_MUN	Pob.Total	Pob.5ymas	Residentes	Inmigrantes	Emigrantes	Mig.Neta	Mig.Bruta	Tasa.Inmig	Tasa.Emig	Tasa.Mig	Eficacia
001001	793 997	718 680	665 374	1 031	4 452	−3 421	5 483	0.27	1.18	−0.9	−8 904
001002	45 951	40 347	38 598	0	0	0	0	0.00	0.00	0.0	0
001003	53 142	47 809	44 589	0	0	0	0	0.00	0.00	0.0	0
001004	14 302	12 759	12 248	0	0	0	0	0.00	0.00	0.0	0
001005	100 150	87 268	77 233	2 264	1 549	715	3 813	4.83	3.31	1.5	−3 098
001006	40 480	35 933	33 542	0	0	0	0	0.00	0.00	0.0	0
001007	48 462	42 246	40 417	0	0	0	0	0.00	0.00	0.0	0
001008	7 164	6 374	5 934	0	0	0	0	0.00	0.00	0.0	0
001009	20 048	17 674	16 525	0	0	0	0	0.00	0.00	0.0	0
001010	18 282	16 022	15 235	0	0	0	0	0.00	0.00	0.0	0
001011	36 822	31 901	24 496	3 364	658	2 706	4 022	19.58	3.83	15.8	−1 316
002001	460 793	419 052	367 600	0	0	0	0	0.00	0.00	0.0	0
002002	932 001	852 568	798 622	0	0	0	0	0.00	0.00	0.0	0
002003	95 638	86 305	74 714	0	0	0	0	0.00	0.00	0.0	0
002004	1 543 644	1 391 497	1 248 126	1 414	3 920	−2 506	5 334	0.19	0.53	−0.3	−7 840
002005	91 309	82 225	66 316	3 920	1 414	2 506	5 334	9.04	3.26	5.8	−2 828
003001	70 358	63 992	57 665	0	0	0	0	0.00	0.00	0.0	0
003002	58 624	52 519	43 931	0	0	0	0	0.00	0.00	0.0	0
003003	249 303	229 448	204 067	0	0	0	0	0.00	0.00	0.0	0
003008	238 498	213 476	151 222	0	0	0	0	0.00	0.00	0.0	0
Fuente: Estimaciones del CONAPO.

Migración intermunicipal

Matrices

options(survey.lonely.psu = "adjust")

MC <- mydata %>%
       select(CVE_ENT, CVE_MUN, RES05EDO_C, CVE_MUN_RES, CVE_ZM, CVE_ZM_RES, M, EDAD, FACTOR, ESTRATO, UPM) %>%
        # Se genera una indicadora de zm 
        mutate(I_ZM_2020 = ifelse(is.na(.$CVE_ZM), '0', '1'),
               I_RES5A_ZM_2020 = ifelse(is.na(.$CVE_ZM_RES), '0', '1')) %>%
        # Se clasifican a los migrantes internos 
        mutate(I_ZM = case_when(.$CVE_MUN == .$CVE_MUN_RES ~ 'Pertenecen a la Zona Metropolitana', #Residentes
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM == .$CVE_ZM_RES ~ "Pertenecen a la Zona Metropolitana", #Migrantes que residen en la misma zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM != .$CVE_ZM_RES ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residen en otra zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian fuera de la zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '1' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian dentro de una zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana' #Migrantes que no residen en la zona metropolitana
                                )) %>%
         filter(EDAD >= 5 & EDAD <= 130) %>%
          filter(CVE_MUN_RES %in% municipios & .$I_ZM %in% "No pertenecen a la Zona Metropolitana") %>%
           svydesign(data = ., id = ~ UPM, strata = ~ESTRATO, weight = ~FACTOR, nest = T)

saveRDS(MC, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/MC_intermunicipal_Base2020.RDS"))

Se genera una matriz cruzada del lugar de residencia hace 5 años a nivel municipal, utilizando la función svytable de la paquetería survey.

MC <- readRDS(file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/MC_intermunicipal_Base2020.RDS"))

Migrantes <- svytable(~CVE_MUN_RES + CVE_MUN, design = MC)

Se genera la matriz cuadrada y se le asignan las etiquetas de municipios.

Migrantes <- Migrantes %>%
              as.data.frame() %>%
               expss::cross_cases(CVE_MUN, CVE_MUN_RES, weight = Freq) %>%
                as.data.frame() %>%
                 rename("CVE_MUN" = "row_labels") %>% 
                  arrange(CVE_MUN) %>%
                   slice(-1) 
            
rownames <- Migrantes %>% 
             mutate(CVE_MUN = substr(.$CVE_MUN, 9, 16)) %>% 
              pull(CVE_MUN)

colnames <- names(Migrantes) %>% 
             as.data.frame() %>% 
              slice(-1) %>% 
               rename("CVE_MUN" = ".") %>%
                mutate(`CVE_MUN` = substr(.$CVE_MUN, 13, 20)) %>%
                 pull(CVE_MUN)

# Se elimina la variable CVE_MUN
Migrantes <- Migrantes %>%
              select(-CVE_MUN)

rownames(Migrantes) <- rownames
colnames(Migrantes) <- colnames

saveRDS(Migrantes, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel intermunicipal 2010_Base2020.RDS"))
save(Migrantes, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel intermunicipal 2010_Base2020.RData"))

require(openxlsx)
wb <- createWorkbook()
addWorksheet(wb, "M.Intermunicipal")
writeData(wb, 1, Migrantes %>% as.data.frame() %>% tibble::rownames_to_column(var = "CVE_MUN"), colNames = TRUE)
saveWorkbook(wb, file = paste0(here::here(), "/Bases/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel intermunicipal 2010_Base2020.xlsx"), overwrite = TRUE)

Matriz de migración reciente hace 5 años a nivel intermunicipal, 2005 - 2010

Matriz de migración reciente por zonas metropolitanas
Nivel intermunicipal
CVE_MUN	001001	001002	001003	001004	001005	001006	001007	001008	001009	001010	001011	002001	002002	002003	002004	002005	003001	003002	003003	003008	003009	004001	004002	004003	004004	004005	004006	004007	004008
001001	0	597	552	0	0	121	124	17	98	17	0	104	235	182	359	0	0	0	0	70	0	0	0	0	0	0	0	0	0
001002	168	0	0	0	0	12	0	0	0	15	9	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001003	76	0	0	14	16	0	22	0	0	11	0	0	0	0	11	0	0	0	0	0	0	0	0	11	0	0	0	0	0
001004	50	0	0	0	0	0	19	0	0	4	12	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001005	0	22	0	0	0	140	36	22	16	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001006	145	36	0	6	140	0	96	38	20	18	234	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001007	36	45	18	54	45	75	0	0	0	0	18	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001008	52	8	8	2	10	20	14	0	0	0	2	0	0	0	6	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001009	90	10	0	25	0	53	258	10	0	5	0	13	0	0	52	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001010	78	33	0	0	4	0	0	5	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
001011	0	64	48	0	0	1068	204	22	80	0	0	0	100	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
002001	67	0	0	0	0	0	0	0	0	0	0	0	3703	142	3105	641	97	403	1370	47	0	0	0	0	57	0	0	0	0
002002	903	0	0	0	0	0	0	0	0	0	0	1889	0	761	2416	536	48	189	72	25	0	0	0	0	0	0	0	0	0
002003	50	0	0	0	0	0	11	0	0	0	0	222	654	0	1642	64	0	45	27	6	0	0	0	0	0	0	0	0	0
002004	812	0	0	0	12	147	0	0	0	0	0	1905	2442	472	0	0	0	0	956	100	0	0	0	0	0	0	0	0	0
002005	78	0	0	0	0	0	0	0	0	0	0	276	434	35	0	0	0	0	36	10	0	0	0	26	0	0	0	0	0
003001	48	0	0	0	0	0	0	0	0	0	0	163	70	0	282	34	0	310	1220	736	66	0	0	0	0	0	0	0	0
003002	233	0	0	0	0	0	0	0	0	0	0	990	35	15	260	45	56	0	408	50	71	0	0	0	0	0	0	0	0
003003	0	0	0	0	0	0	0	0	0	0	0	603	449	0	854	0	2344	1108	0	2520	391	0	0	0	0	0	0	0	0
003008	24	0	0	0	0	0	0	0	0	0	0	287	239	4	1374	56	260	13	1861	0	180	0	0	0	0	0	0	0	0
003009	14	0	0	0	0	0	0	0	0	0	0	105	35	0	100	7	392	287	205	175	0	0	0	0	0	0	0	0	0
004001	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	11	11	33	11	11	0
004002	0	0	0	0	0	0	0	0	0	0	0	0	7	0	34	0	0	0	0	0	0	139	0	277	285	146	94	13	6
004003	0	0	0	0	0	0	0	0	0	0	0	166	0	0	34	0	0	0	16	0	0	0	162	0	66	0	0	226	0
004004	33	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	85	0	1024	0	72	33	33	36
004005	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	38	10	30	25	0	0	10	15
004006	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	26	14	14	42	21	0	14	0
004007	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	0	0	0	3	0	24	3	0	0	0	0
004008	0	0	0	0	0	0	0	0	0	0	0	0	0	0	4	0	0	0	0	0	0	15	38	14	9	37	9	10	0
004009	0	0	0	0	0	0	0	0	0	0	0	0	0	0	11	0	0	0	0	0	0	22	11	462	240	110	11	0	0
Fuente: Estimaciones del CONAPO.

Indicadores

Se realizan cálculos generales de migración:

• Residentes

• Inmigrantes

• Emigrantes

• % Inmigrantes

• % Emigrante

• Migración bruta

• Migración Neta

• % Tasa de migración bruta

• % Tasa de migración neta

Se trabaja con la matriz cuadrada, la cual de esta manera no se satura la computadora.

################################################################################
############################ Población total ###################################
Pob.Total <- mydata %>%
              as.data.frame() %>%
               group_by(CVE_MUN) %>%
                summarise(Pob.Total = sum(FACTOR)) 

################################################################################
###################### Población de 5 años y más ###############################
Pob.5ymas <- mydata %>%
              as.data.frame() %>%
               mutate(EDAD = as.numeric(.$EDAD)) %>%
                subset(EDAD >= 5 & EDAD <= 130) %>%
                 group_by(CVE_MUN) %>%
                  summarise(Pob.5ymas = sum(FACTOR)) 

################################################################################
########################### Residentes #########################################
load(file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel intermunicipal 2010_Base2020.RData"))

Residentes <- Migrantes %>%
               rownames_to_column() %>%
                gather(CVE_MUN, Value, -rowname)%>%
                 filter(rowname == CVE_MUN) %>%
                  select(-rowname) %>%
                   droplevels() %>%
                    rename("Residentes" = "Value") 

################################################################################
############################### Inmigrantes ####################################
Inmigrantes <- Migrantes %>% 
                as.data.frame() %>%
                 tibble::rownames_to_column(var = "CVE_MUN") %>%
                  melt(., id.vars = "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                   mutate_at(vars(3), as.numeric) %>%
                    as_tibble() %>%
                     filter(CVE_MUN != CVE_MUN_RES) %>%
                      group_by(CVE_MUN) %>%
                       summarise(Inmigrantes = sum(value, na.rm = TRUE))

################################################################################
############################### Emigrantes #####################################
Emigrantes <- Migrantes %>% 
               as.data.frame() %>%
                tibble::rownames_to_column(var = "CVE_MUN") %>%
                 melt(., id.vars = "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                  mutate_at(vars(3), as.numeric) %>%
                   as_tibble() %>%
                    filter(CVE_MUN != CVE_MUN_RES) %>%
                     group_by(CVE_MUN_RES) %>%
                      summarise(Emigrantes = sum(value, na.rm = TRUE)) %>%
                       rename("CVE_MUN" = "CVE_MUN_RES") 

tabla <- Pob.Total %>%
          left_join(., Pob.5ymas, by = c("CVE_MUN")) %>%
          left_join(., Residentes, by = c("CVE_MUN")) %>%
          left_join(., Inmigrantes, by = c("CVE_MUN")) %>%
          left_join(., Emigrantes, by = c("CVE_MUN")) %>%
           mutate(Mig.Neta = .$Inmigrantes - .$Emigrantes,
                  Mig.Bruta = .$Inmigrantes + .$Emigrantes, 
                  Tasa.Inmig = ((.$Inmigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Emig = ((.$Emigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Mig = Tasa.Inmig - Tasa.Emig, 
                  Eficacia = Mig.Neta - Mig.Bruta)

write.xlsx(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010 (Intermunicipal)_Base2020.xlsx"), overwrite = TRUE)

save(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010 (Intermunicipal)_Base2020.RData"))

Indicadores de migración reciente a nivel intermunicipal
Zonas Metropolitanas
CVE_MUN	Pob.Total	Pob.5ymas	Residentes	Inmigrantes	Emigrantes	Mig.Neta	Mig.Bruta	Tasa.Inmig	Tasa.Emig	Tasa.Mig	Eficacia
001001	793 997	718 680	0	38 407	22 456	15 951	60 863	10.2	5.9	4.2	−44 912
001002	45 951	40 347	0	721	1 381	−660	2 102	3.3	6.4	−3.1	−2 762
001003	53 142	47 809	0	884	1 454	−570	2 338	3.5	5.8	−2.3	−2 908
001004	14 302	12 759	0	203	266	−63	469	3.0	3.9	−0.9	−532
001005	100 150	87 268	0	3 741	1 184	2 557	4 925	8.0	2.5	5.5	−2 368
001006	40 480	35 933	0	1 681	1 868	−187	3 549	8.8	9.8	−1.0	−3 736
001007	48 462	42 246	0	575	1 269	−694	1 844	2.5	5.6	−3.1	−2 538
001008	7 164	6 374	0	182	133	49	315	5.4	3.9	1.4	−266
001009	20 048	17 674	0	700	263	437	963	7.4	2.8	4.6	−526
001010	18 282	16 022	0	313	812	−499	1 125	3.6	9.5	−5.8	−1 624
001011	36 822	31 901	0	2 984	550	2 434	3 534	17.4	3.2	14.2	−1 100
002001	460 793	419 052	0	37 646	20 037	17 609	57 683	17.1	9.1	8.0	−40 074
002002	932 001	852 568	0	34 217	29 286	4 931	63 503	7.7	6.6	1.1	−58 572
002003	95 638	86 305	0	7 838	4 977	2 861	12 815	17.2	10.9	6.3	−9 954
002004	1 543 644	1 391 497	0	88 659	86 868	1 791	175 527	12.1	11.8	0.2	−173 736
002005	91 309	82 225	0	6 507	4 233	2 274	10 740	15.0	9.8	5.2	−8 466
003001	70 358	63 992	0	5 234	3 685	1 549	8 919	15.6	11.0	4.6	−7 370
003002	58 624	52 519	0	7 587	3 771	3 816	11 358	27.3	13.6	13.7	−7 542
003003	249 303	229 448	0	23 278	12 977	10 301	36 255	19.4	10.8	8.6	−25 954
003008	238 498	213 476	0	51 192	13 125	38 067	64 317	45.3	11.6	33.7	−26 250
Fuente: Estimaciones del CONAPO.

Movilidad metropolitana

Se utiliza la paquetería survey para poder trabajar con la muestra del cuestionario ampliado, en la cual se selecciona a la población de 5 años y más.

options(survey.lonely.psu = "adjust")

MC <- mydata %>%
       select(CVE_ENT, CVE_MUN, RES05EDO_C, CVE_MUN_RES, CVE_ZM, CVE_ZM_RES, M, EDAD, FACTOR, ESTRATO, UPM) %>%
        # Se genera una indicadora de zm 
        mutate(I_ZM_2020 = ifelse(is.na(.$CVE_ZM), '0', '1'),
               I_RES5A_ZM_2020 = ifelse(is.na(.$CVE_ZM_RES), '0', '1')) %>%
        # Se clasifican a los migrantes internos 
        mutate(I_ZM = case_when(.$CVE_MUN == .$CVE_MUN_RES ~ 'Pertenecen a la Zona Metropolitana', #Residentes
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM == .$CVE_ZM_RES ~ "Pertenecen a la Zona Metropolitana", #Migrantes que residen en la misma zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM != .$CVE_ZM_RES ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residen en otra zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian fuera de la zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '1' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian dentro de una zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana' #Migrantes que no residen en la zona metropolitana
                                )) %>%
         filter(EDAD >= 5 & EDAD <= 130) %>%
          filter(CVE_MUN_RES %in% municipios) %>%
           svydesign(data = ., id = ~ UPM, strata = ~ESTRATO, weight = ~FACTOR, nest = T)

saveRDS(MC, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/MC_metropolitana_Base2020.RDS"))

Matrices

Se genera una matriz cruzada del lugar de residencia hace 5 años a nivel municipal, utilizando la función svytable de la paquetería survey.

MC <- readRDS(file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/MC_metropolitana_Base2020.RDS"))

Migrantes <- svytable(~CVE_ZM_RES + CVE_ZM, design = MC)

Se genera la matriz cuadrada y se le asignan las etiquetas de municipios.

Migrantes <- Migrantes %>%
              as.data.frame() %>%
               expss::cross_cases(CVE_ZM, CVE_ZM_RES, weight = Freq) %>%
                as.data.frame() %>%
                 rename("CVE_ZM" = "row_labels") %>% 
                  arrange(CVE_ZM) %>%
                   slice(-1) 
            
rownames <- Migrantes %>% 
             mutate(CVE_ZM = substr(.$CVE_ZM, 8, 12)) %>% 
              pull(CVE_ZM)

colnames <- names(Migrantes) %>% 
             as.data.frame() %>% 
              slice(-1) %>% 
               rename("CVE_ZM" = ".") %>%
                mutate(`CVE_ZM` = substr(.$CVE_ZM, 12, 16)) %>%
                 pull(CVE_ZM)

# Se elimina la variable CVE_ZM
Migrantes <- Migrantes %>%
              select(-CVE_ZM)

rownames(Migrantes) <- rownames
colnames(Migrantes) <- colnames

saveRDS(Migrantes, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de MR5a a nivel metropolitano 2010_Base2020.RDS"))
save(Migrantes, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de MR5a a nivel metropolitano 2010_Base2020.RData"))

require(openxlsx)
wb <- createWorkbook()
addWorksheet(wb, "M.Metropolitano")
writeData(wb, 1, Migrantes %>% as.data.frame() %>% tibble::rownames_to_column(var = "CVE_ZM"), colNames = TRUE)
saveWorkbook(wb, file = paste0(here::here(), "/Bases/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de MR5a a nivel metropolitano 2010_Base2020.xlsx"), overwrite = TRUE)

Matriz de migración reciente hace 5 años a nivel municipal, 2005 - 2010

Matriz de migración reciente por zonas metropolitanas
Zonas metropolitanas
CVE_ZM	01.01	02.01	02.02	02.03	03.01	03.02	04.01	05.01	05.02	05.03	05.04	05.05	06.01	06.02	07.01	07.02	08.01	08.02	08.03	08.04	09.01	10.01	11.01	11.02	11.03	11.04	11.06	11.07	12.01
01.01	773762	104	335	359	0	70	0	587	124	0	20	0	42	8	42	386	465	0	12	605	1.1e+04	139	486	114	959	0	458	132	450
02.01	67	367600	3703	3746	1370	47	0	154	0	0	0	0	10	0	306	87	18	0	0	166	1.6e+03	324	209	0	0	0	0	21	272
02.02	903	1889	798622	2952	72	25	0	224	0	0	0	0	44	0	51	75	115	16	0	299	1.2e+03	64	88	91	184	0	352	184	12
02.03	902	2181	2876	1319776	992	110	0	530	0	0	105	0	987	166	1926	1770	699	248	260	758	6.8e+03	808	45	170	1432	33	347	44	2695
03.01	0	603	449	854	204067	2520	0	127	0	30	42	0	106	0	594	69	350	0	42	471	1.7e+03	346	41	0	77	0	0	0	195
03.02	24	287	239	1430	1861	151222	0	840	0	8	217	0	18	0	638	51	25	0	0	189	1.0e+04	279	0	5	324	0	360	0	3786
04.01	0	0	7	34	0	0	226429	30	21	0	26	0	0	0	168	12	0	0	0	0	2.2e+02	0	0	54	0	0	0	0	0
05.01	144	0	369	324	33	2	0	1049160	120	145	329	0	24	0	0	95	844	228	52	10130	1.6e+03	4635	41	13	88	0	0	0	34
05.02	70	0	0	41	0	0	0	353	292568	824	1571	211	0	0	100	14	91	2	0	104	1.7e+02	8	0	135	6	0	0	0	6
05.03	0	0	88	0	0	0	0	445	1175	147031	937	678	26	0	0	0	6	0	48	0	2.2e+02	48	26	7	163	0	0	7	0
05.04	420	0	74	141	0	0	0	1497	1730	769	693553	324	39	0	0	198	723	20	0	752	1.1e+03	16	128	16	286	0	92	66	27
05.05	0	0	0	34	0	0	0	102	443	211	146	87585	0	0	0	51	0	0	0	0	1.1e+01	0	0	34	0	0	0	0	17
06.01	148	158	242	560	39	20	0	50	48	36	36	0	227959	1894	19	23	68	0	0	192	1.8e+03	37	124	56	61	0	10	0	72
06.02	0	35	56	459	14	36	0	0	0	0	13	0	686	114599	84	38	93	0	0	16	2.8e+02	40	0	0	50	0	10	0	128
07.01	50	47	40	693	0	275	0	5	0	5	0	0	10	0	306713	782	0	10	0	129	7.8e+02	0	0	6	18	0	168	10	453
07.02	0	13	38	234	0	24	1176	32	0	0	4	0	0	0	2723	630561	27	22	0	148	2.9e+03	0	0	0	20	0	0	0	0
08.01	0	248	298	226	108	35	24	270	35	0	498	0	138	0	0	58	736724	393	2752	2124	1.2e+03	460	0	0	148	0	23	8	184
08.02	18	0	40	50	0	0	0	157	36	0	0	0	0	0	0	15	1125	166322	225	1655	1.8e+02	109	0	16	0	0	9	0	13
08.03	11	0	2	123	0	0	0	195	0	0	14	0	0	0	0	0	418	75	95325	846	5.2e+01	131	0	0	0	0	0	0	0
08.04	149	86	17	606	0	58	0	4538	24	13	404	0	56	48	374	0	2363	1108	859	1126568	1.5e+03	2561	34	22	241	0	62	0	326
09.01	3068	731	1461	6144	1006	1452	233	1297	125	121	775	20	490	14	975	3374	2281	212	93	2971	1.7e+07	1542	1602	1151	4100	507	1237	208	7328
10.01	76	6	102	549	16	60	0	655	7	56	115	0	0	0	0	174	158	8	69	2854	3.4e+02	491821	197	0	0	0	0	0	23
11.01	225	9	0	40	83	7	115	69	0	96	278	6	5	6	0	0	88	44	0	245	3.3e+03	261	519142	217	526	8	382	56	26
11.02	0	0	0	7	0	0	0	50	0	0	0	0	0	0	0	25	0	0	25	29	2.7e+02	0	216	147799	394	33	243	68	0
11.03	705	33	0	367	0	217	0	73	0	0	843	0	233	0	0	103	0	0	0	141	9.1e+03	158	491	281	1389409	9	981	1207	287
11.04	14	42	0	20	0	0	0	0	0	0	0	0	14	30	0	0	0	0	0	45	3.1e+02	0	27	110	55	121650	74	14	0
11.06	307	36	20	66	0	0	40	12	0	116	413	0	0	0	60	165	33	160	0	1	2.4e+03	72	400	197	645	108	457157	127	36
11.07	98	0	0	7	0	7	0	7	0	0	86	0	0	0	0	0	0	0	0	5	6.7e+02	0	169	125	1153	0	126	193833	0
12.01	146	80	70	800	30	504	0	36	0	0	0	0	61	0	0	0	0	0	0	193	3.6e+03	0	84	4	44	0	0	0	680792
12.02	0	0	36	0	30	36	0	0	0	0	0	0	82	0	0	0	20	0	0	26	6.4e+02	5	24	0	0	0	24	0	1089
Fuente: Estimaciones del CONAPO.

Indicadores

Se realizan cálculos generales de migración:

• Residentes

• Inmigrantes

• Emigrantes

• % Inmigrantes

• % Emigrante

• Migración bruta

• Migración Neta

• % Tasa de migración bruta

• % Tasa de migración neta

Se trabaja con la matriz cuadrada, la cual de esta manera no se satura la computadora.

################################################################################
############################ Población total ###################################
Pob.Total <- mydata %>%
              as.data.frame() %>%
               group_by(CVE_ZM) %>%
                summarise(Pob.Total = sum(FACTOR)) 

################################################################################
###################### Población de 5 años y más ###############################
Pob.5ymas <- mydata %>%
              as.data.frame() %>%
               mutate(EDAD = as.numeric(.$EDAD)) %>%
                subset(EDAD >= 5 & EDAD <= 130) %>%
                 group_by(CVE_ZM) %>%
                  summarise(Pob.5ymas = sum(FACTOR)) 

################################################################################
########################### Residentes #########################################
load(file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel municipal_Base2020.RData"))

ZM <- lapply(1:length(zm), function(x){
                 ZM_2020 %>% 
                  select(CVE_ZM, CVE_MUN, NOM_MUN) %>%
                   filter(CVE_ZM %in% zm[x])  %>% 
                    pull(CVE_MUN)
})

Residentes <- lapply(1:length(zm), function(x){
                                     Migrantes %>% 
                                      as.data.frame() %>%
                                       tibble::rownames_to_column(var = "CVE_MUN") %>%
                                        melt(., id.vars =  "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                                         mutate_at(vars(3), as.numeric) %>%
                                          filter(CVE_MUN == CVE_MUN_RES)  %>%
                                           filter(CVE_MUN %in% ZM[[x]]) %>%
                                            summarize(Residentes =  sum(value, na.rm = TRUE)) %>% 
                                             mutate(CVE_ZM = !!paste0(zm[x])) 
})

Residentes <- do.call(rbind.data.frame, Residentes)

################################################################################
############################### Inmigrantes ####################################
Inmigrantes <- lapply(1:length(zm), function(x){
                                     Migrantes %>% 
                                      as.data.frame() %>%
                                       tibble::rownames_to_column(var = "CVE_MUN") %>%
                                        melt(., id.vars =  "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                                         mutate_at(vars(3), as.numeric) %>%
                                          filter(CVE_MUN != CVE_MUN_RES)  %>%
                                           filter(CVE_MUN %in% ZM[[x]]) %>%
                                            summarize(Inmigrantes =  sum(value, na.rm = TRUE)) %>% 
                                             mutate(CVE_ZM = !!paste0(zm[x])) 
})

Inmigrantes <- do.call(rbind.data.frame, Inmigrantes)

################################################################################
############################### Emigrantes #####################################
Emigrantes <- lapply(1:length(zm), function(x){
                                     Migrantes %>% 
                                      t() %>%
                                       as.data.frame() %>%
                                        tibble::rownames_to_column(var = "CVE_MUN") %>%
                                         melt(., id.vars =  "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                                          mutate_at(vars(3), as.numeric) %>%
                                           filter(CVE_MUN != CVE_MUN_RES)  %>%
                                           filter(CVE_MUN %in% ZM[[x]]) %>%
                                            summarize(Emigrantes =  sum(value, na.rm = TRUE)) %>% 
                                             mutate(CVE_ZM = !!paste0(zm[x])) 
})

Emigrantes <- do.call(rbind.data.frame, Emigrantes)

tabla <- Pob.Total %>%
          left_join(., Pob.5ymas, by = c("CVE_ZM")) %>%
          left_join(., Residentes, by = c("CVE_ZM")) %>%
          left_join(., Inmigrantes, by = c("CVE_ZM")) %>%
          left_join(., Emigrantes, by = c("CVE_ZM")) %>%
           mutate(Mig.Neta = .$Inmigrantes - .$Emigrantes,
                  Mig.Bruta = .$Inmigrantes + .$Emigrantes, 
                  Tasa.Inmig = ((.$Inmigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Emig = ((.$Emigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Mig = Tasa.Inmig - Tasa.Emig, 
                  Eficacia = Mig.Neta - Mig.Bruta)

write.xlsx(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010 (Metropolitano) 2010_Base2020.xlsx"), overwrite = TRUE)
save(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010 (Metropolitano) 2010_Base2020.RData"))

Indicadores de migración reciente (Nivel metropolitano)
Zonas Metropolitanas
CVE_ZM	Pob.Total	Pob.5ymas	Residentes	Inmigrantes	Emigrantes	Mig.Neta	Mig.Bruta	Tasa.Inmig	Tasa.Emig	Tasa.Mig	Eficacia
01.01	930 969	837 849	767 103	51 791	30 849	20 942	82 640	11.7	7.0	4.7	−61 698
02.01	460 793	419 052	367 600	37 646	20 037	17 609	57 683	17.1	9.1	8.0	−40 074
02.02	932 001	852 568	798 622	34 217	29 286	4 931	63 503	7.7	6.6	1.1	−58 572
02.03	1 634 953	1 473 722	1 314 442	100 500	96 435	4 065	196 935	12.9	12.4	0.5	−192 870
03.01	249 303	229 448	204 067	23 278	12 977	10 301	36 255	19.4	10.8	8.6	−25 954
03.02	238 498	213 476	151 222	51 192	13 125	38 067	64 317	45.3	11.6	33.7	−26 250
04.01	256 742	236 876	226 429	7 314	4 189	3 125	11 503	5.9	3.4	2.5	−8 378
05.01	1 214 931	1 100 088	1 033 706	49 996	42 833	7 163	92 829	8.6	7.4	1.2	−85 666
05.02	337 887	305 551	289 364	12 205	11 035	1 170	23 240	7.6	6.9	0.7	−22 070
05.03	178 886	160 898	146 044	10 471	7 865	2 606	18 336	12.3	9.3	3.1	−15 730
05.04	820 838	739 193	682 071	39 917	32 900	7 017	72 817	10.2	8.4	1.8	−65 800
05.05	100 730	91 257	87 369	2 523	2 734	−211	5 257	5.3	5.7	−0.4	−5 468
06.01	284 478	261 255	218 236	35 557	20 501	15 056	56 058	26.1	15.0	11.0	−41 002
06.02	141 869	126 651	114 060	8 525	7 095	1 430	15 620	12.7	10.6	2.1	−14 190
07.01	363 135	323 012	303 891	12 556	22 117	−9 561	34 673	7.3	12.9	−5.6	−44 234
07.02	737 339	666 285	625 117	34 933	32 905	2 028	67 838	10.0	9.4	0.6	−65 810
08.01	847 021	777 112	735 809	26 491	26 700	−209	53 191	6.5	6.6	−0.1	−53 400
08.02	196 633	178 482	165 547	8 699	5 983	2 716	14 682	9.3	6.4	2.9	−11 966
08.03	111 346	101 500	95 303	4 207	6 746	−2 539	10 953	7.9	12.7	−4.8	−13 492
08.04	1 328 246	1 191 676	1 126 568	37 659	64 728	−27 069	102 387	6.0	10.3	−4.3	−129 456
Fuente: Estimaciones del CONAPO.

Migración intrametropolitana

Se utiliza la paquetería survey para poder trabajar con la muestra del cuestionario ampliado, en la cual se selecciona a la población de 5 años y más.

options(survey.lonely.psu = "adjust")

MC <- mydata %>%
       select(CVE_ENT, CVE_MUN, RES05EDO_C, CVE_MUN_RES, CVE_ZM, CVE_ZM_RES, M, EDAD, FACTOR, ESTRATO, UPM) %>%
        # Se genera una indicadora de zm 
        mutate(I_ZM_2020 = ifelse(is.na(.$CVE_ZM), '0', '1'),
               I_RES5A_ZM_2020 = ifelse(is.na(.$CVE_ZM_RES), '0', '1')) %>%
        # Se clasifican a los migrantes internos 
        mutate(I_ZM = case_when(.$CVE_MUN == .$CVE_MUN_RES ~ 'Pertenecen a la Zona Metropolitana', #Residentes
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM == .$CVE_ZM_RES ~ "Pertenecen a la Zona Metropolitana", #Migrantes que residen en la misma zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM != .$CVE_ZM_RES ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residen en otra zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian fuera de la zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '1' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian dentro de una zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana' #Migrantes que no residen en la zona metropolitana
                                )) %>%
         filter(EDAD >= 5 & EDAD <= 130) %>%
          filter(CVE_MUN_RES %in% municipios & .$I_ZM %in% "Pertenecen a la Zona Metropolitana") %>%
           svydesign(data = ., id = ~ UPM, strata = ~ESTRATO, weight = ~FACTOR, nest = T)

saveRDS(MC, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/MC_intrametropolitana_Base2020.RDS"))

Indicadores

Se realizan cálculos generales de migración:

• Residentes

• Inmigrantes

• Emigrantes

• % Inmigrantes

• % Emigrante

• Migración bruta

• Migración Neta

• % Tasa de migración bruta

• % Tasa de migración neta

Se trabaja con la matriz cuadrada, la cual de esta manera no se satura la computadora.

################################################################################
############################ Población total ###################################
Pob.Total <- mydata %>%
              as.data.frame() %>%
               group_by(CVE_ZM) %>%
                summarise(Pob.Total = sum(FACTOR)) 

################################################################################
###################### Población de 5 años y más ###############################
Pob.5ymas <- mydata %>%
              as.data.frame() %>%
               mutate(EDAD = as.numeric(.$EDAD)) %>%
                subset(EDAD >= 5 & EDAD <=130) %>%
                 group_by(CVE_ZM) %>%
                  summarise(Pob.5ymas = sum(FACTOR)) 

################################################################################
########################### Residentes #########################################
MR <- readRDS(paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matrices de MR5a a nivel intramunicipal por ZM2010_Base2020.RDS"))

Residentes <- lapply(1:length(zm), function(x){
                                     MR[[x]] %>% 
                                      as.data.frame() %>%
                                       melt(., id.vars =  "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                                        mutate_at(vars(3), as.numeric) %>%
                                         filter(CVE_MUN == CVE_MUN_RES)  %>%
                                          summarize(Residentes =  sum(value, na.rm = TRUE)) %>% 
                                           mutate(CVE_ZM = !!paste0(zm[x])) 
})

Residentes <- do.call(rbind.data.frame, Residentes)

################################################################################
############################### Inmigrantes ####################################
Inmigrantes <- lapply(1:length(zm), function(x){
                                      MR[[x]] %>% 
                                       as.data.frame() %>%
                                        melt(., id.vars =  "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                                         mutate_at(vars(3), as.numeric) %>%
                                          filter(CVE_MUN != CVE_MUN_RES)  %>%
                                           summarize(Inmigrantes =  sum(value, na.rm = TRUE)) %>% 
                                            mutate(CVE_ZM = !!paste0(zm[x])) 
})

Inmigrantes <- do.call(rbind.data.frame, Inmigrantes)

################################################################################
############################### Emigrantes #####################################
Emigrantes <- lapply(1:length(zm), function(x){
                                    MR[[x]] %>% 
                                     tibble::column_to_rownames(var = "CVE_MUN") %>%
                                      t() %>%
                                       as.data.frame() %>%
                                        tibble::rownames_to_column(var = "CVE_MUN") %>%
                                         melt(., id.vars =  "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                                          mutate_at(vars(3), as.numeric) %>%
                                           filter(CVE_MUN != CVE_MUN_RES)  %>%
                                            summarize(Emigrantes=  sum(value, na.rm = TRUE)) %>% 
                                             mutate(CVE_ZM = !!paste0(zm[x])) 
})

Emigrantes <- do.call(rbind.data.frame, Emigrantes)

tabla <- Pob.Total %>%
          left_join(., Pob.5ymas, by = c("CVE_ZM")) %>%
          left_join(., Residentes, by = c("CVE_ZM")) %>%
          left_join(., Inmigrantes, by = c("CVE_ZM")) %>%
          left_join(., Emigrantes, by = c("CVE_ZM")) %>%
           mutate(Mig.Neta = .$Inmigrantes - .$Emigrantes,
                  Mig.Bruta = .$Inmigrantes + .$Emigrantes, 
                  Tasa.Inmig = ((.$Inmigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Emig = ((.$Emigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Mig = Tasa.Inmig - Tasa.Emig, 
                  Eficacia = Mig.Neta - Mig.Bruta)

write.xlsx(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010 (Intrametropolitano) 2010_Base2020.xlsx"), overwrite = TRUE)
save(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010 (Intrametropolitano) 2010_Base2020.RData"))

Indicadores de migración reciente (Nivel intrametropolitano)
Zonas Metropolitanas
CVE_ZM	Pob.Total	Pob.5ymas	Residentes	Inmigrantes	Emigrantes	Mig.Neta	Mig.Bruta	Tasa.Inmig	Tasa.Emig	Tasa.Mig	Eficacia
01.01	930 969	837 849	767 103	6 659	6 659	0	13 318	1.506	1.506	0.0	−13 318
02.01	460 793	419 052	367 600	0	0	0	0	0.000	0.000	0.0	0
02.02	932 001	852 568	798 622	0	0	0	0	0.000	0.000	0.0	0
02.03	1 634 953	1 473 722	1 314 442	5 334	5 334	0	10 668	0.686	0.686	0.0	−10 668
03.01	249 303	229 448	204 067	0	0	0	0	0.000	0.000	0.0	0
03.02	238 498	213 476	151 222	0	0	0	0	0.000	0.000	0.0	0
04.01	256 742	236 876	226 429	0	0	0	0	0.000	0.000	0.0	0
05.01	1 214 931	1 100 088	1 033 706	15 454	15 454	0	30 908	2.670	2.670	0.0	−30 908
05.02	337 887	305 551	289 364	3 204	3 204	0	6 408	1.992	1.992	0.0	−6 408
05.03	178 886	160 898	146 044	987	987	0	1 974	1.162	1.162	0.0	−1 974
05.04	820 838	739 193	682 071	11 482	11 482	0	22 964	2.944	2.944	0.0	−22 964
05.05	100 730	91 257	87 369	216	216	0	432	0.450	0.450	0.0	−432
06.01	284 478	261 255	218 236	9 723	9 723	0	19 446	7.127	7.127	0.0	−19 446
06.02	141 869	126 651	114 060	539	539	0	1 078	0.803	0.803	0.0	−1 078
07.01	363 135	323 012	303 891	2 822	2 822	0	5 644	1.645	1.645	0.0	−5 644
07.02	737 339	666 285	625 117	5 444	5 444	0	10 888	1.551	1.551	0.0	−10 888
08.01	847 021	777 112	735 809	915	915	0	1 830	0.225	0.225	0.0	−1 830
08.02	196 633	178 482	165 547	775	775	0	1 550	0.826	0.826	0.0	−1 550
08.03	111 346	101 500	95 303	22	22	0	44	0.041	0.041	0.0	−44
08.04	1 328 246	1 191 676	1 126 568	0	0	0	0	0.000	0.000	0.0	0
Fuente: Estimaciones del CONAPO.

Migración intermetropolitana

Se utiliza la paquetería survey para poder trabajar con la muestra del cuestionario ampliado, en la cual se selecciona a la población de 5 años y más.

options(survey.lonely.psu = "adjust")

MC <- mydata %>%
       select(CVE_ENT, CVE_MUN, RES05EDO_C, CVE_MUN_RES, CVE_ZM, CVE_ZM_RES, M, EDAD, FACTOR, ESTRATO, UPM) %>%
        # Se genera una indicadora de zm 
        mutate(I_ZM_2020 = ifelse(is.na(.$CVE_ZM), '0', '1'),
               I_RES5A_ZM_2020 = ifelse(is.na(.$CVE_ZM_RES), '0', '1')) %>%
        # Se clasifican a los migrantes internos 
        mutate(I_ZM = case_when(.$CVE_MUN == .$CVE_MUN_RES ~ 'Pertenecen a la Zona Metropolitana', #Residentes
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM == .$CVE_ZM_RES ~ "Pertenecen a la Zona Metropolitana", #Migrantes que residen en la misma zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '1' & .$CVE_ZM != .$CVE_ZM_RES ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residen en otra zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '1' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian fuera de la zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '1' ~ 'No pertenecen a la Zona Metropolitana', #Migrantes que residian dentro de una zona metropolitana
                                .$CVE_MUN != .$CVE_MUN_RES & .$I_ZM_2020 %in% '0' & .$I_RES5A_ZM_2020 %in% '0' ~ 'No pertenecen a la Zona Metropolitana' #Migrantes que no residen en la zona metropolitana
                                )) %>%
         filter(EDAD >= 5 & EDAD <= 130) %>%
          filter(CVE_MUN_RES %in% municipios & .$I_ZM %in% "No pertenecen a la Zona Metropolitana") %>%
           svydesign(data = ., id = ~ UPM, strata = ~ESTRATO, weight = ~FACTOR, nest = T)

saveRDS(MC, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/MC_intermetropolitana_Base2020.RDS"))

Indicadores

Se realizan cálculos generales de migración:

• Residentes

• Inmigrantes

• Emigrantes

• % Inmigrantes

• % Emigrante

• Migración bruta

• Migración Neta

• % Tasa de migración bruta

• % Tasa de migración neta

Se trabaja con la matriz cuadrada, la cual de esta manera no se satura la computadora.

################################################################################
############################ Población total ###################################
Pob.Total <- mydata %>%
              as.data.frame() %>%
               group_by(CVE_ZM) %>%
                summarise(Pob.Total = sum(FACTOR)) 

################################################################################
###################### Población de 5 años y más ###############################
Pob.5ymas <- mydata %>%
              as.data.frame() %>%
               mutate(EDAD = as.numeric(.$EDAD)) %>%
                subset(EDAD >= 5 & EDAD <=130) %>%
                 group_by(CVE_ZM) %>%
                  summarise(Pob.5ymas = sum(FACTOR)) 

################################################################################
########################### Residentes #########################################
load(file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Matriz de migracion reciente a nivel intermunicipal 2010_Base2020.RData"))

ZM <- lapply(1:length(zm), function(x){
                    ZM_2020 %>% 
                     select(CVE_ZM, CVE_MUN, NOM_MUN) %>%
                      filter(CVE_ZM %in% zm[x])  %>% 
                      pull(CVE_MUN)
})

Residentes <- lapply(1:length(zm), function(x){
                                     Migrantes %>% 
                                      as.data.frame() %>%
                                       tibble::rownames_to_column(var = "CVE_MUN") %>%
                                        melt(., id.vars =  "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                                         mutate_at(vars(3), as.numeric) %>%
                                          filter(CVE_MUN == CVE_MUN_RES)  %>%
                                           filter(CVE_MUN %in% ZM[[x]]) %>%
                                            summarize(Residentes =  sum(value, na.rm = TRUE)) %>% 
                                             mutate(CVE_ZM = !!paste0(zm[x])) 
})

Residentes <- do.call(rbind.data.frame, Residentes)

################################################################################
############################### Inmigrantes ####################################
Inmigrantes <- lapply(1:length(zm), function(x){
                                     Migrantes %>% 
                                      as.data.frame() %>%
                                       tibble::rownames_to_column(var = "CVE_MUN") %>%
                                        melt(., id.vars =  "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                                         mutate_at(vars(3), as.numeric) %>%
                                          filter(CVE_MUN != CVE_MUN_RES)  %>%
                                           filter(CVE_MUN %in% ZM[[x]]) %>%
                                            summarize(Inmigrantes =  sum(value, na.rm = TRUE)) %>% 
                                             mutate(CVE_ZM = !!paste0(zm[x])) 
})

Inmigrantes <- do.call(rbind.data.frame, Inmigrantes)

################################################################################
############################### Emigrantes #####################################
Emigrantes <- lapply(1:length(zm), function(x){
                                     Migrantes %>% 
                                      t() %>%
                                       as.data.frame() %>%
                                        tibble::rownames_to_column(var = "CVE_MUN") %>%
                                         melt(., id.vars =  "CVE_MUN", variable.name = "CVE_MUN_RES") %>%
                                          mutate_at(vars(3), as.numeric) %>%
                                           filter(CVE_MUN != CVE_MUN_RES)  %>%
                                           filter(CVE_MUN %in% ZM[[x]]) %>%
                                            summarize(Emigrantes =  sum(value, na.rm = TRUE)) %>% 
                                             mutate(CVE_ZM = !!paste0(zm[x])) 
})

Emigrantes <- do.call(rbind.data.frame, Emigrantes)

tabla <- Pob.Total %>%
          left_join(., Pob.5ymas, by = c("CVE_ZM")) %>%
          left_join(., Residentes, by = c("CVE_ZM")) %>%
          left_join(., Inmigrantes, by = c("CVE_ZM")) %>%
          left_join(., Emigrantes, by = c("CVE_ZM")) %>%
           mutate(Mig.Neta = .$Inmigrantes - .$Emigrantes,
                  Mig.Bruta = .$Inmigrantes + .$Emigrantes, 
                  Tasa.Inmig = ((.$Inmigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Emig = ((.$Emigrantes/ 5) /((.$Pob.Total + .$Pob.5ymas) / 2)) * 1000,
                  Tasa.Mig = Tasa.Inmig - Tasa.Emig, 
                  Eficacia = Mig.Neta - Mig.Bruta)

write.xlsx(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010 (Intermetropolitano) 2010_Base2020.xlsx"), overwrite = TRUE)
save(tabla, file = paste0(here::here(), "/Output/Municipio/06_Zonas Metropolitanas/2010/01_Migracion reciente/Base 2020/Indicadores de MR5a por ZM 2010 (Intermetropolitano) 2010_Base2020.RData"))

Indicadores de migración reciente (Nivel intermetropolitano)
Zonas Metropolitanas
CVE_ZM	Pob.Total	Pob.5ymas	Residentes	Inmigrantes	Emigrantes	Mig.Neta	Mig.Bruta	Tasa.Inmig	Tasa.Emig	Tasa.Mig	Eficacia
01.01	930 969	837 849	0	45 132	24 190	20 942	69 322	10.2	5.5	4.7	−48 380
02.01	460 793	419 052	0	37 646	20 037	17 609	57 683	17.1	9.1	8.0	−40 074
02.02	932 001	852 568	0	34 217	29 286	4 931	63 503	7.7	6.6	1.1	−58 572
02.03	1 634 953	1 473 722	0	95 166	91 101	4 065	186 267	12.2	11.7	0.5	−182 202
03.01	249 303	229 448	0	23 278	12 977	10 301	36 255	19.4	10.8	8.6	−25 954
03.02	238 498	213 476	0	51 192	13 125	38 067	64 317	45.3	11.6	33.7	−26 250
04.01	256 742	236 876	0	7 314	4 189	3 125	11 503	5.9	3.4	2.5	−8 378
05.01	1 214 931	1 100 088	0	34 542	27 379	7 163	61 921	6.0	4.7	1.2	−54 758
05.02	337 887	305 551	0	9 001	7 831	1 170	16 832	5.6	4.9	0.7	−15 662
05.03	178 886	160 898	0	9 484	6 878	2 606	16 362	11.2	8.1	3.1	−13 756
05.04	820 838	739 193	0	28 435	21 418	7 017	49 853	7.3	5.5	1.8	−42 836
05.05	100 730	91 257	0	2 307	2 518	−211	4 825	4.8	5.2	−0.4	−5 036
06.01	284 478	261 255	0	25 834	10 778	15 056	36 612	18.9	7.9	11.0	−21 556
06.02	141 869	126 651	0	7 986	6 556	1 430	14 542	11.9	9.8	2.1	−13 112
07.01	363 135	323 012	0	9 734	19 295	−9 561	29 029	5.7	11.2	−5.6	−38 590
07.02	737 339	666 285	0	29 489	27 461	2 028	56 950	8.4	7.8	0.6	−54 922
08.01	847 021	777 112	0	25 576	25 785	−209	51 361	6.3	6.4	−0.1	−51 570
08.02	196 633	178 482	0	7 924	5 208	2 716	13 132	8.4	5.6	2.9	−10 416
08.03	111 346	101 500	0	4 185	6 724	−2 539	10 909	7.9	12.6	−4.8	−13 448
08.04	1 328 246	1 191 676	0	37 659	64 728	−27 069	102 387	6.0	10.3	−4.3	−129 456
Fuente: Estimaciones del CONAPO.

Referencias

Librerias que se usaron en el documento

package	loadedversion	source
Cairo	1.6-1	CRAN (R 4.3.1)
chorddiag	0.1.3	Github (mattflor/chorddiag@1688d72cd93071abb373e054190363bdfb3af2af)
circlize	0.4.15	CRAN (R 4.3.1)
doMC	1.3.5	R-Forge (R 4.3.1)
dplyr	1.1.3	CRAN (R 4.3.2)
expss	0.11.6	CRAN (R 4.3.1)
foreach	1.5.2	CRAN (R 4.3.1)
ggalluvial	0.12.5	CRAN (R 4.3.1)
ggplot2	3.4.3	CRAN (R 4.3.1)
ggpubr	0.6.0	CRAN (R 4.3.1)
ggrepel	0.9.3	CRAN (R 4.3.1)
ggsankey	0.0.99999	Github (davidsjoberg/ggsankey@3e171a83a5364bb24df7cb2cd9203dd79b1dae29)
gt	0.10.0	CRAN (R 4.3.1)
haven	2.5.3	CRAN (R 4.3.1)
Hmisc	5.1-0	CRAN (R 4.3.1)
iterators	1.0.14	CRAN (R 4.3.1)
janitor	2.2.0	CRAN (R 4.3.1)
kableExtra	1.3.4	CRAN (R 4.3.1)
knitr	1.45	CRAN (R 4.3.2)
maditr	0.8.3	CRAN (R 4.3.1)
Matrix	1.6-1.1	CRAN (R 4.3.1)
network	1.18.1	CRAN (R 4.3.1)
openxlsx	4.2.5.2	CRAN (R 4.3.1)
reshape2	1.4.4	CRAN (R 4.3.1)
sjlabelled	1.2.0	CRAN (R 4.3.1)
sna	2.7-1	CRAN (R 4.3.1)
srvyr	1.2.0	CRAN (R 4.3.1)
statnet.common	4.9.0	CRAN (R 4.3.1)
stringr	1.5.0	CRAN (R 4.3.1)
survey	4.2	Github (bschneidr/fastsurvey@5e4df7bd6c4bac44fa9c6681db40c496dd701f45)
survival	3.5-5	CRAN (R 4.3.1)
tibble	3.2.1	CRAN (R 4.3.1)
tidyr	1.3.1	CRAN (R 4.3.3)

This work by Diana Villasana Ocampo is licensed under a Creative Commons Attribution 4.0 International License.